/ Модель

Характеристики

Размер весов
59,9 ГБ
Лицензия
Своя лицензия
Библиотека
diffusers
Опубликована
5 мар 2026

LTX-2.3-FP8

Видео из изображенияИзображение, текст → видео3 профессии

drbaph/LTX-2.3-FP8 — это квантизированная версия моделей LTX-2.3 22B, разработанных компанией Lightricks.

1 217скачиваний за 30 дней13лайковвеса обновлены7 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель относится к семейству DiT-based audio-video foundation models и предназначена для совместной генерации синхронизированных видео и аудио, включая сценарии text-to-video, image-to-video, video-to-video, audio-to-video и мультимодальные задачи преобразования текста, изображений, видео и аудио в аудиовизуальный контент.

Доступны варианты dev и distilled. Размер исходной модели составляет 22 млрд параметров, а каждый FP8-чекпойнт занимает около 30 ГБ. Используется статическая по-тензорная W8A8-квантизация с форматом float8_e4m3fn; часть блоков и неквантизированные параметры сохраняются в BF16 или F32. Ключевая особенность — единая архитектура для обработки аудио и видео с механизмами внимания между модальностями. README указывает поддержку английского, немецкого, испанского, французского, японского, корейского, китайского, итальянского и португальского языков, но точные параметры контекста и ограничения длительности не приведены.

FP8-квантизация уменьшает объём модели примерно с 46 ГБ в BF16 до 29,94 ГБ, что упрощает размещение и инференс при сохранении совместимости с исходной моделью. Ограничениями являются высокие требования к памяти, отсутствие в README подробных данных о качестве, скорости, разрешении и максимальной длительности генерации, а также возможные особенности точности, связанные с квантизацией. Модель распространяется по лицензии LTX-2 Community License Agreement; условия исходной LTX-2.3 применяются к этому производному варианту.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LTX-2.3 FP8 Quantized

FP8 quantized versions of the LTX-2.3 22B models by Lightricks.

LTX-2 Open Source

Quantized Checkpoints

NameOriginalSize
ltx-2.3-22b-dev-fp8_mixed.safetensorsltx-2.3-22b-dev~30 GB
ltx-2.3-22b-distilled-fp8_mixed.safetensorsltx-2.3-22b-distilled~30 GB

Quantization Details

  • Format: float8_e4m3fn (E4M3, max=448)
  • Method: Static per-tensor W8A8 quantization
  • Scope: Transformer blocks 1–42 (block 0 and last 5 blocks kept in BF16)
  • Targets: All linear projection weight matrices in attn1, attn2, audio_attn1, audio_attn2, audio_to_video_attn, video_to_audio_attn, ff.net, audio_ff.net — specifically to_q, to_k, to_v, to_out.0, ff.net.0.proj, ff.net.2 and their audio equivalents
  • Scale: Per-tensor weight_scale = max(|W|) / 448 stored as F32 scalar alongside each weight. Static input_scale = 1.0 placeholder matching the source model format
  • Non-quantized: Biases, norms, scale_shift_tables, gate_logits kept as BF16/F32
  • Quantized tensors: 1176 / 5947 total (28 patterns × 42 blocks)
  • Output size: ~29.94 GB (down from ~46 GB BF16)

Original Model

This is a quantized derivative of Lightricks/LTX-2.3. All original model details, usage instructions, and license terms apply.

LTX-2.3 is a DiT-based audio-video foundation model designed to generate synchronized video and audio within a single model.

Citation

@article{hacohen2025ltx2,
  title={LTX-2: Efficient Joint Audio-Visual Foundation Model},
  author={HaCohen, Yoav and Brazowski, Benny and Chiprut, Nisan and Bitterman, Yaki and Kvochko, Andrew and Berkowitz, Avishai and Shalem, Daniel and Lifschitz, Daphna and Moshe, Dudu and Porat, Eitan and Richardson, Eitan and Guy Shiran and Itay Chachy and Jonathan Chetboun and Michael Finkelson and Michael Kupchick and Nir Zabari and Nitzan Guetta and Noa Kotler and Ofir Bibi and Ori Gordon and Poriya Panet and Roi Benita and Shahar Armon and Victor Kulikov and Yaron Inger and Yonatan Shiftan and Zeev Melumian and Zeev Farbman},
  journal={arXiv preprint arXiv:2601.03233},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
e9b517b

0 моделей